[論文レビュー] Secure Parallel Processing of Big Data Using Order-Preserving Encryption on Google BigQuery

Timo Schindler, Christoph Skornia|arXiv (Cornell University)|Aug 29, 2016

Cryptography and Data Security参考文献 21被引用数 3

ひとこと要約

本論文は、Google BigQueryにおけるOrder-Preserving Encryption (OPE)、特にmOPEおよびAES暗号化を活用することで、信頼できないクラウドプラットフォーム上でのBig Dataの安全で効率的な並列処理手法を提案している。実験では、100万件の結果を返す場合でも、暗号化されたデータのソートおよびクエリ処理が10秒未塔で実現可能であり、クラウドプロバイダーにプレーンテキストデータを暴露することなく、安全でリアルタイムの分析が可能であることを示している。

ABSTRACT

With the increase of centralization of resources in IT-infrastructure and the growing amount of cloud services, database management systems (DBMS) will be more and more outsourced to Infrastructure-as-a-Service (IaaS) providers. The outsourcing of entire databases, or the computation power for processing Big Data to an external provider also means that the provider has full access to the information contained in the database. In this article we propose a feasible solution with Order-Preserving Encryption (OPE) and further, state of the art, encryption methods to sort and process Big Data on external resources without exposing the unencrypted data to the IaaS provider. We also introduce a proof-of-concept client for Google BigQuery as example IaaS Provider.

研究の動機と目的

• Google BigQueryのような信頼できないインfraストラクチャ・アズ・ア・サービス (IaaS) プラットフォーム上で、安全に外部に処理を委託できるBig Data処理を実現すること。
• データ機密性を維持しつつ、暗号化されたデータ上でソートやクエリなどの基本的処理を可能にすること。
• クラウドネイティブ環境においてOPEと対称暗号化をサポートする実用的で効率的なクライアント側の暗号化プロキシを開発すること。
• 実際のワークロードを用いて、大規模データセットにおけるOPEベースの暗号化のパフォーマンスとスケーラビリティを評価すること。
• 基本的なOPEを超えて、より高いセキュリティを実現するための拡張技術、例えばクエリ分布の混合やORAMを検討すること。

提案手法

• Google BigQueryのようなクラウドNoSQLデータベースの制約に適合するように、mOPE（変更可能なOrder-Preserving Encryption）を適応する。
• OPEが順序を保持する一方で、AES暗号化と一定の初期化ベクトルを用いてデータを保護する。
• BigQueryにアップロードする前にデータを暗号化するための修正版クライアントツール（ebq-client）を実装し、安全なリモート処理を可能にする。
• 暗号化されたデータを表すために二分木構造を採用し、プレーンテキストにおける順序関係が暗号文においても保持されることを保証する。
• BigQueryのSQLインタフェースおよび非同期APIを活用して、暗号化データ上でクエリを実行し、範囲スキャンや比較演算などの操作をサポートする。
• データ変換を処理し、クラウドに送信されるのは常に暗号化済みデータであることを保証するクライアント側の暗号化プロキシを導入する。

実験結果

リサーチクエスチョン

• RQ1 Google BigQueryのような信頼できないIaaSプラットフォーム上において、OPEを効果的に活用してBig Dataの安全で順序を保持する処理が可能かどうか。
• RQ2 クラウド環境において大規模データセットにOPEおよびAES暗号化を適用した際のパフォーマンスオーバーヘッドはどの程度か。
• RQ3 BigQueryにおける暗号化データの安全なアップロードおよびクエリ実行をサポートする実用的なクライアント側の暗号化プロキシを構築可能かどうか。
• RQ4 データ量の増加に伴ってシステムはどのようにスケーリングするのか。また、複雑なクエリに対する応答時間はどの程度か。
• RQ5 クエリ分布の混合やORAMなどの追加の隠蔽技術を用いることで、順序情報以外の漏洩をどの程度低減できるか。

主な発見

• Google BigQueryにおける暗号化データのクエリ応答時間は、100万件の結果を返す場合でも一貫して10秒未塔であった。
• 標準ラップトップで100万件の16桁の整数（例：クレジットカード番号）を暗号化するのに約2.04秒を要し、一般ハードウェアでも実現可能であることが示された。
• サンプルサイズと暗号化時間の間に線形相関が観察され、1000万件のレコードを暗号化するのに約21.75秒を要した。
• 本システムは、復号化を行わずに暗号化されたBig Dataのリアルタイムまたはニアリアルタイム分析を可能にし、効率的な処理が実現できる。
• 提案されたクライアント側の暗号化プロキシにより、データ機密性と順序の意味論を維持したまま、安全なデータ処理の外部委託が可能である。
• 本ソリューションは、データ量が管理可能な規模から数十億レコード規模にまで拡大する場合でも、スケーラブルかつ実用的であることが実証された。